精測電子出席!從AMOLED面板檢測AOI到demura,這裡有最深的解讀……

　　在AMOLED面板製造過程中，由於各種原因，不可避免的會產生多種缺陷，如面板的基板玻璃表面含有針孔、劃痕、顆粒、mura等缺陷，這些缺陷輕微會出現小範圍的不良，重則會造成一條線的產品報廢，造成巨大的經濟損失。

　　傳統缺陷檢測方法為人工目視檢測法，目前在手機、平板顯示等諸多行業，仍然有大量的產業工人從事這項工作。這種人工視覺檢測方法需要在強光照明條件下進行，不僅對檢測人員的眼睛傷害很大，且存在主觀性強、人眼空間和時間解析度有限、檢測不確定性大、易產生歧義、效率低下等缺點，已很難滿足現代工業高速、高解析度的檢測要求。

　　隨著電子技術、圖像傳感技術和計算機技術的快速發展，利用基於光學圖像傳感的表面缺陷自動光學（視覺）檢測技術取代人工目視檢測表面缺陷，已逐漸成為表面缺陷檢測的重要手段，因為這種方法具有自動化、非接觸、速度快、精度高、穩定性高等優點。而這就是今天要講的檢測技術AOI。

　　1

　　什麼是AOI

　　AOI的全稱為automated optical inspection，也就是自動光學檢測技術，也稱為機器視覺檢測（machine vision inspection, MVI）技術或自動視覺檢測（automated visual inspection, AVI）技術。在平板顯示行業，AOI廣被人知。但是AOI和MVI/AVI在概念和功能上還是有細微差別的。

　　從狹義上來說，MVI是一種集成了圖像傳感技術、數據處理技術、運動控制技術，在工業生產過程中，執行測量、檢測、識別和引導等任務的一種新興的科學技術。MVI的基本原理可用圖 1 來表示，它採用光學成像方法（如相機，或者一個複雜的光學成像系統）模擬人眼的的視覺成像功能，用計算機處理系統代替人腦執行數據處理，最後把結果反饋給執行機構（如機械手）代替人手完成各種規定的任務。

　　從廣義上來說，MVI是一種模擬和拓展人類眼、腦、手的功能的一種技術，在不同的應用領域其定義可能有著細微的差別，但都離開不了兩個根本的方法與技術，即從圖像中獲取所需信息，然後反饋給自動化執行機構完成特定的任務。可以說基於任何圖像傳感方法（如可見光成像、紅外成像、X光成像、超聲成像等等）的自動化檢測技術都可以認為是MVI或AVI。當採用光學成像方法時，MVI實際上就變為AOI。因此AOI可以認為是MVI的一種特例。

　　根據成像方法的不同，AOI又可分為三維（3D）AOI和二維（2D）AOI，三維AOI 主要用於物體外形幾何參數的測量、零件分組、定位、識別、機器人引導等場合； 二維AOI主要用於產品外觀（色彩、缺陷等）檢測、不同物體或外觀分類、良疵品檢測與分類等場合。

　　2

　　AOI系統組成

　　目前在產業界用得最多的AOI系統是由相機、鏡頭、光源、計算機等通用器件集成的簡單光學成像與處理系統。如圖1所示，在光源照明下利用相機直接成像，然後由計算機處理實現檢測。這種簡單系統的優點是成本低、集成容易、技術門檻相對不高，在製造過程中能夠代替人工檢測，滿足多數場合的要求。

　　但對於大幅面或複雜結構物體的視覺檢測，由於受到視場和解析度（或精度）的相互制約，或生產節拍對檢測速度有特殊的要求，單相機組成的AOI系統有時難以勝任，因此可能需要有多個基本單元集成在一起，協同工作，共同完成高難度檢測任務。即採取一種多傳感器成像、高速分布式處理的AOI系統集成架構。

　　一種般AOI檢測系統的通用架構，該系統由光源，相機陣列、顯微復檢、集群並行處理系統、控制系統、主控計算機、伺服器組成，以及與工廠數據中心互聯的工業區域網組成。該系統架構具有大幅面表面缺陷低解析度快速檢出和高解析度顯微復檢兩種功能。從圖中可以看出，完整的AOI系統不僅集成了照明與光學成像單元，還需要有被測件支撐傳輸單元、精密運動機構與控制單元、高速並行圖像處理單元等。

　　3

　　AOI系統集成技術

　　AOI系統集成技術牽涉到關鍵器件、系統設計、整機集成、軟體開發等。AOI系統中必不可少的關鍵器件有圖像傳感器（相機）、鏡頭、光源、採集與預處理卡、計算機（工控機、伺服器）等。圖像傳感器最常用的是各種型號的CMOS/CCD相機，圖像傳感器、鏡頭、光源三者組合構成了大多數自動光學檢測系統中感知單元，器件的選擇與配置需要根據檢測要求進行合計設計與選型。

　　光源的選擇（顏色、波長、功率、照明方式等）除了分辨與增強特徵外，還需考慮圖像傳感器對光源光譜的靈敏度範圍。鏡頭的選擇需要考慮視場角、景深、解析度等光學參數，鏡頭的光學解析度要和圖像傳感器的空間解析度匹配才能達到最佳的性價比。

　　一般情況下，鏡頭的光學解析度略高於圖像傳感器的空間解析度為宜，儘可能採用黑白相機成像，提高成像分辨能力。圖像傳感器（相機）採用面陣或線陣需根據具體情況而定，選型時需要考慮的因素有成像視場、空間解析度、最小曝光時間、幀率、數據帶寬等。

　　對於運動物體的檢測，要考慮圖像運動模糊帶來的不利影響，準確計算導致運動模糊的最小曝光時間，確定圖像傳感器的型號。

　　圖像傳感器的曝光時間應小於導致運動模糊的最小曝光時間，快速曝光選擇全局快門模式為宜，高速情況下不易採用捲簾式曝光模式；為了獲得最佳的信噪比，圖像傳感器的增益儘可能為1，圖像亮度的提升儘可能用光源的能量（功率）來彌補，或者在不影響可用的成像景深情況下，增大鏡頭的孔徑光闌。

　　在系統集成中，被測件的支撐方式、精密傳輸與定位裝置也必須精心設計，這牽涉到精密機械設計技術，這對平板顯示、矽片、半導體和MEMS等精密製造與組裝產業中的自動光學檢測系統非常重要。

　　在這些領域，製造過程通常在超淨間進行，要求自動光學檢測系統具有很高的自潔能力，對系統構件的材料選型、氣動及自動化裝置選型、運動導軌的設計與器件選型都有嚴格要求，不能給生產環境尤其是被測工件本身帶來二次汙染。

　　尤其是用於表面缺陷檢測的AOI系統不能在檢測過程中，給被測件表面帶來缺陷（如粉塵、劃傷、靜電等）。因此，對於大型零件（如高世代的液晶玻璃基板、矽片等）的在線檢測，常常需要採取氣浮支撐、定位與傳輸機構，運動部件（如軸承等）採用自潤滑器件，以及利用FFU風機過濾機組對檢測系統進行環境淨化，並採取消靜電裝置，對工件進行防靜電處理。

　　高速圖像數據處理與軟體開發是自動光學檢測的核心技術。由於自動光學檢測是以圖像傳感獲取被測信息，數據量大，尤其是高速在線檢測，圖像數據有時是海量的，為滿足生產節拍需求，必須採用高速數據處理技術。

　　常用的方法有共享內存式的多線程處理，共享內存或分布式內存多進程處理等；在系統實現上採用分布式計算機集群，把巨大的圖像分時、分塊分割成小塊數據流，分散到集群系統各節點處理。

　　對於耗時複雜的算法，有時僅靠計算機CPU很難滿足時間要求，這時還需配備硬體處理技術，如採用DSP、GPU和FPGA等硬體處理模塊，與CPU協同工作，實現快速複雜的計算難題。

　　既然檢測完了，那怎麼修復呢？這裡不講一些機械劃痕造成的外觀補償，也是現在開發最多的蓋板外觀檢。這裡講畫面檢測。

　　面板檢測範圍就是出現亮度均勻性和殘像的現象。因為這個是OLED目前面臨的兩個主要難題，要解決這兩個問題，除了工藝的改善，就是補償技術。

　　補償方法一般可以分為內部補償和外部補償兩大類。內部補償是指在像素內部利用TFT構建的子電路進行補償的方法。外部補償是指通過外部的驅動電路或設備感知像素的電學或光學特性然後進行補償的方法。而我們接下來要說的demura就是外部補償。

　　4

　　外部補償之Demura

　　外部補償根據數據抽取方法的不同又可以分為光學抽取式和電學抽取式。光學抽取式是指將背板點亮後通過光學CCD照相的方法將亮度信號抽取出來，電學抽取式是指通過驅動晶片的感應電路將TFT和OLED的電學信號抽取出來。

　　兩種方法抽取的信號種類不同，因此數據處理的方式也不同。光學抽取的方式具有結構簡單，方法靈活的優點，因此在現階段被廣泛採用，即為我們平時所說的Demura。

　　Mura一詞源於日本，原意指亮暗不均，後擴展至面板上任何人眼可識別的顏色差異。

　　對於面板廠而言，需要進行質量監控，因此在產線上均有技術員去檢測判定mura，但是這種方法很主觀，不同人的判定有差異，給品質管控帶來很大的困擾。

　　因此技術人員開發出AOI(automatic optical inspection)設備進行mura的檢測，以及檢測到Mura後進行補償消除Mura，即Demura，本文講重點介紹Demura。

　　5

　　Demura一般步驟

　　Drive IC點亮面板（TV/mobile/Tablet）,並顯示數個畫面（一般是灰階或者RGB）。

　　使用高解析度和高精度的CCD照相機拍攝上述畫面。

　　根據相機採集數據分析pixel顏色分布特徵，並根據相關算法識別出Mura。

　　根據mura數據及相應的Demura補償算法產生Demura數據。

　　將Demura數據燒錄到Flash ROM中，重新拍攝補償後畫面，確認Mura已消除。

　　6

　　檢測畫面

　　點亮面板後需要被檢測的畫面根據不同面板廠的要求，一般是不同的。

　　有些面板廠的Demura只對亮度差異進行補償，不對色彩差異進行補償，這種Luminance Demura一般只需要檢測灰階畫面，而且由於不同灰階時呈現的Mura不同，一般會檢測高中低灰階的Mura，最後Demura數據平均，當然具體的設定不同面板廠會根據自己的實際需求進行選擇。

　　有些面板廠進行的是比較全面的Color Demura,即不僅對亮度同時對色度差異也進行補償。

　　此類型的color Demura的檢測畫面，有些採用灰階畫面，有些採用RGBW畫面，不同面板廠根據技術和需求選擇不同。

　　7

　　相機拍照

　　為了達到代替技術員的目標，以下兩點時必須的：

　　1、相機符合CIE1931人眼匹配函數，

　　2、相機能達到人眼的解析度。

　　拍攝檢測畫面時一般採用高精度高分別率的CCD相機，相機解析度的選擇取決於被檢測面板的解析度，大小，拍攝距離以及Demura補償的精度。

　　為了達到最佳的檢測和補償效果。相機最終得到的數據一定要是XYZ，且後續的計算均是基於相機拍照得到的XYZ數據。

　　8

　　Mura識別

　　得到面板XYZ的分布數據後就可以根據不同的算法檢測不同的Mura,關於Mura檢測目前有二個國際標準：

　　1.German Flat Panel Display Forum

　　2.IDMS(former VESA)

　　當然Mura檢測異常複雜，各個廠家都有開發自己的Mura檢測算法，也算是自己的核心技術。Mura識別的內容太多，本文舉幾個簡單的例子作為說明。

　　上圖是科學家做實驗得出的人眼對比敏感性函數，黃色曲線以上部分，人眼基本無法識別出Mura,可以看出兩個因素可以明顯影響對Mura嚴重程度的判定:

　　1、亮暗對比程度的差異

　　2、亮暗差異的周期分布

　　9

　　Mura檢測之傅立葉變換

　　任意一個圖像均可以分解為不同頻率，強度，相位，方位的sin函數。

　　10

　　Mura檢測之邊緣識別

　　經過傅立葉變換後，高頻部分可以用來識別圖像邊緣。

　　經過對比增強後，原本很微弱不易識別的Mura可以明顯被識別，當然還有很多其它的方法，例如比較Pixel與周圍pixel的亮度差異，計算亮度梯度，計算色差等方法。

　　11

　　Demura算法

　　為了更好的理解Demura補償算法，可以觀看以下視頻和圖片：可以看出Demura算法原理其實很簡單：

　　只是把它認為偏暗的區域變亮，或者偏亮的區域變暗，或者將有色偏的區域消除，最終的目標是使得面板不同區域有大體相同的顏色，當然需要平滑的算法來消除Mura邊界。

　　12

　　燒錄

　　OLED Demura數據確定後，就需要將其燒錄到EEPROM中以實現補償效果，最後再拍照確認Mura已消除，Demura數據佔用ROM空間的大小取決於屏幕解析度以及補償精度（pixel級，3*3，5*5…..）。

　　Demura 前：

　　Demura 後：

　　13

　　OLED Demura總結

　　OLED Demura技術，目前三星(三星內部demura被稱為POC)和LG處於領先的位置。但是Demura技術很複雜，均不能算成熟完美，國內各個廠家也在積極開發子自己的Demura技術，希望能夠提升良率。

　　Mike Zheng，武漢精測電子集團股份有限公司 研發總監，第十六屆中國專利金獎獲得者，長期從事顯示面板Module調測相關工作。目前從事OLED/Micro LED De-Mura與AOI一體化技術及設備的相關研究與開發工作。

　　為了更深度的了解目前柔性AMOLED面板中的AOI和demura兩種技術的現狀和進展，OLEDindustry特邀請國內OLED面板AOI和Demura的龍頭設備企業武漢精測電子集團股份有限公司研發總監Mike Zheng，於2019年4月19日首屆柔性可摺疊AMOLED技術峰會做關於AOI與demura的技術分享。